電子機器に搭載された現代的なセンサーを活用した生体認証の登場により、顔認識技術の利用が急増している。これらの技術は魅力的に映るものの、多くの潜在的な欠点を伴っている。本論文では、生体認証プロセスにおける偽造顔攻撃のリスクを軽減するため、フレームレベルにおける顔偽造防止（Face Anti-Spoofing: FAS）の問題に着目する。我々は、EfficientDet検出アーキテクチャ上で畳み込みによる多スケール特徴抽出に用いられる、双方向特徴ピラミッドネットワーク（Bi-directional Feature Pyramid Network: BiFPN）をFASタスクに初めて適用した。さらに、この畳み込みによる多スケール特徴を活用し、深層的なピクセル単位の監視（deep pixel-wise supervision）を実現した。すべての実験において、主要なデータセットを網羅的に評価した結果、大多数のケースで競争力のある性能を達成した。また、周波数領域における入力の再構成を目的とする補助的な自己教師付きブランチを導入したところ、OULU-NPUデータセットのProtocol IVにおいて平均分類誤差率（ACER）が2.92%にまで低下し、ピクセル単位の顔偽造防止に関する既存の公表研究と比較して顕著に優れた結果を示した。さらに、先行研究の手順に従い、データセット間でのテスト（inter-dataset testing）を実施した結果、提案モデルの汎化性能がさらに裏付けられ、微調整（fine-tuning）を一切行わずに、さまざまなセンサー環境下で最適な結果を示した。